مطالعه کارایی روشهای مبتنی بر هوش مصنوعی در روشهای نوین بهسازی بستر خاکهای رسی مساله دار

خاکهای رسی مسئله دار به دلیل ویژگی هایی مانند تورم، تراکم پذیری بالا و رفتار غیر خطی همواره یکی از چالش های مهم در پروژه های ژئوتکنیکی و عمرانی محسوب می شوند. در سال های اخیر روش های مختلفی برای بهسازی این نوع خاک ها توسعه یافته است که از جمله آن ها می توان به تثبیت شیمیایی با استفاده از سیمان، آهک، نانومواد و پلیمرها، همچنین روش های مکانیکی مانند ستون های سنگی محصور با ژئوسنتتیک و تکنیک اختلاط عمیق خاک اشاره کرد. با این حال طراحی و ارزیابی کارایی این روش ها اغلب نیازمند آزمایش های آزمایشگاهی گسترده و زمان بر است. در این میان هوش مصنوعی به عنوان ابزاری نوین و داده محور امکان مدل سازی رفتار پیچیده خاک و پیش بینی عملکرد روش های بهسازی را با دقت بالاتر فراهم کرده است. در این مقاله مروری کاربرد الگوریتم های مختلف هوش مصنوعی از جمله شبکه های عصبی مصنوعی، ماشین بردار پشتیبان، سیستم های فازی عصبی و الگوریتم های بهینه سازی در تحلیل و بهینه سازی بهسازی خاک های رسی مورد بررسی قرار گرفته است. همچنین توانایی این مدل ها در پیش بینی پارامترهایی نظیر CBR، مقاومت فشاری تک محوری، ظرفیت باربری و نشست تحکیمی با نتایج آزمایشگاهی مقایسه شده است. نتایج نشان می دهد که مدل های مبتنی بر هوش مصنوعی علاوه بر افزایش دقت پیش بینی، می توانند با کاهش تعداد آزمایش های لازم و بهینه سازی طرح اختلاط موجب صرفه جویی قابل توجه در زمان و هزینه پروژه شوند. با وجود این مزایا محدودیت هایی مانند کمبود داده های جامع، تفسیرپذیری محدود برخی مدل ها و چالش تعمیم پذیری آن ها به شرایط زمین شناسی مختلف همچنان وجود دارد. در نهایت ترکیب دانش مهندسی ژئوتکنیک با روش های پیشرفته هوش مصنوعی می تواند مسیر موثری برای توسعه طراحی های دقیق تر و کارآمدتر در بهسازی خاک های رسی فراهم کند.

کلیدواژه ها:

هوش مصنوعی ، بهسازی خاک های رسی ، بهینه سازی طرح اختلاط ، ظرفیت باربری